记录一下scrapy中settings的一些配置小结_Python

记录一下scrapy中settings的一些配置小结

2020-09-29 00:21Davide~苏 Python

这篇文章主要介绍了记录一下scrapy中settings的一些配置小结，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

本文主要介绍了scrapy settings 配置，分享给大家，具体如下：

1 2	`# 字符编码` `FEED_EXPORT_ENCODING` `=` `'utf-8'`

									# redis写法一

									# REDIS_URL = 'redis://localhost:6379' 

									# redis写法二

									REDIS_HOST = '192.168.10.223'

									REDIS_PORT = 6379

									# 默认的 scrapy redis 会读取下面的密码和db

									REDIS_PARAMS = {

									 'password': '123456',

									 'db': redis_db

									}

									# 对于失败的HTTP请求(如超时)进行重试会降低爬取效率，当爬取目标基数很大时，舍弃部分数据不影响大局，提高效率

									# RETRY_ENABLED = False

									# 请求下载超时时间，默认180秒

									DOWNLOAD_TIMEOUT = 10

									# 1：设置去重组件，使用的是scrapy_redis的去重组件，而不是scrapy自己的去重组件了

									DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"

									# 2：设置调度器，使用scrapy——redis重写的调度器，

									# 而不再使用scrapy内部的调度器了

									SCHEDULER = "scrapy_redis.scheduler.Scheduler"

									# 3：可以实现断点爬取=jondir，（请求的记录不会丢失，会存储在redis数据库中，

									# 不会清除redis的队列，下次直接从redis的队列中爬取）

									SCHEDULER_PERSIST = True

									# 4：设置任务队列的模式（三选一）：

									# SpiderPriorityQueue数据scrapy-redis默认使用的队列模式（

									# 有自己的优先级）默认第一种

									SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderPriorityQueue"

									# 使用了队列的形式，任务先进先出。

									# SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderQueue"

									# 采用了栈的形式：任务先进后出

									# SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderStack"

									'''

									用来控制当接收到的 response 头信息中的 Content-Length 和内容不匹配或者response chunk 未正确结束时的时所采取的操作。

									当 DOWNLOAD_FAIL_ON_DATALOSS 为 True 的时候抛出 ResponseFailed([_DataLoss]) 错误

									当设置为 False 时， 校验未通过的 response 将被忽略并且添加一个名为 dataloss 的 flag 到 response.flag

									'''

									DOWNLOAD_FAIL_ON_DATALOSS = False

									MONGO_URI = 'mongodb://用户名:密码@ip:port'